PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

도로터널의 연장과 대형화로 인해 화재 발생 시 터널 구조물의 안전확보가 중요한 과제가 되고 있다. 터널에서 화재가 발생할 경우, 콘크리트 라이닝이 고온에 노출되면서 강도저하 및 폭렬에 의한 구조적 손상을 초래할 수 있으며, 이를 방지하기 위해 다양한 내화공 법이 연구되고 있다. 이 연구에서는 폭렬을 억제하기 위한 내화공법으로 고온 노출에 따른 섬유혼입콘크리트의 온도전이 특성에 대한 실험적 연구를 수행하였다. 온도전이 특성 실험은 200×200×200mm 크기의 큐브 형태의 시험체에 0.6, 0.8, 1.0kg/m3의 섬유를 혼입하여 시험체를 제작하였다. 섬유혼입콘크리트 내부온도를 측정하기 위하여 표면에서부터 20mm 간격으로 100mm까지 총 6개의 K타입 열전 대를 설치하였고, 전기 내화로를 사용하여 RWS 화재곡선을 모사하여 시험체를 가열하였다. 실험결과, 섬유를 혼입한 콘크리트는 섬유 를 혼입하지 않은 Control 변수에 비해 내부온도가 낮아지는 경향을 보였다. 이는 고온에서 내화섬유가 용융되면서 콘크리트 내부의 수증기압을 감소시켜 효과적으로 억제된 것으로 보인다. 특히 내화섬유 0.8kg/m3을 혼입한 경우 60mm 이상에서 효과적으로 콘크리트 내부 온도 상승을 억제한 것으로 나타났으며, 폭렬에 의한 구조적 손상을 방지하기 위한 적정 수준의 내화섬유 혼입량은 필요할 것으 로 판단된다. 그러나 많은 양의 섬유 혼입은 고온에 따른 섬유 용융으로 인해 내부에 다량의 공극이 형성되어 폭렬 억제에는 효과적 일 수 있으나, 다량으로 형성된 공극에 따른 온도 확산이 더 빠르게 진행되어 적절한 피복두께 확보가 필요할 것으로 판단된다. 따라 서 도로터널 내화 지침(국토교통부, 2021)의 콘크리트(380℃) 및 철근(250℃)의 한계온도 이내를 만족하기 위해서는 피복두께는 최소 100mm 이상을 확보해야 할 것으로 판단된다. 이는 터널 구조물의 내화성능을 개선하기 위한 기준을 제시하며, 향후 도로터널의 안전 성을 강화하기 위해 섬유혼입량과 철근 피복두께 간의 상관관계에 대한 추가적인 실험 및 해석적 검토가 필요할 것으로 판단된다.

STEM(Science, Technology, Engineering, and Mathematics) 분야의 교육은 이 론적 지식뿐만 아니라 실용적 기술과 혁신적 사고를 필요로 하는 현장 환경에 대비하여 학습자들을 준비시켜야 한다. 이를 위한 방법 중 하나 로 교육을 통해 습득한 지식과 기술을 다른 맥락으로 적용하는 학습전이 가 강조된다. 이에 본 연구는 능동적 학습 참여, 고차원적 사고, 실무 능 력을 배양할 수 있는 플립러닝 교수법을 활용하여 다차원 학습자 수업참 여가 학습전이에 미치는 인과관계에서 지식공유태도와 학습자 효능감의 효과에 대한 메커니즘을 살펴보고자 하였다. K대학 응용화학과 학생을 대상으로 한 연구결과는 첫째, 정서적, 행동적 참여는 학습전이에 정(+) 의 영향을 미치는 것으로 나타났다. 둘째, 행동적 수업참여와 학습전이 간의 관계에서 지식공유태도가 부분매개를 하는 것으로 나타났다. 마지 막으로 학습자 효능감은 인지와 정서적 수업참여와 학습전이 간의 관계 에 대해 조절효과를 보였다. 이러한 연구결과를 통해 학습자 수업참여는 지식공유태도를 통해 학습전이가 되는 것으로 알 수 있으며, 학습자 효 능감이 학습자 수업참여와 학습전이 간의 관계를 조절한다는 것을 알 수 있다.

In this study, the magnetocaloric effect and transition temperature of bulk metallic glass, an amorphous material, were predicted through machine learning based on the composition features. From the Python module ‘Matminer’, 174 compositional features were obtained, and prediction performance was compared while reducing the composition features to prevent overfitting. After optimization using RandomForest, an ensemble model, changes in prediction performance were analyzed according to the number of compositional features. The R2 score was used as a performance metric in the regression prediction, and the best prediction performance was found using only 90 features predicting transition temperature, and 20 features predicting magnetocaloric effects. The most important feature when predicting magnetocaloric effects was the ‘Fe’ compositional ratio. The feature importance method provided by ‘scikit-learn’ was applied to sort compositional features. The feature importance method was found to be appropriate by comparing the prediction performance of the Fe-contained dataset with the full dataset.

췌장암은 진단 시점에 진행된 상태인 경우가 많으며, 이때 항암화학요법이 주요 치료법으로 사용된다. 지난 10여 년간 새 로 운 항 암 화 학 요 법 의 도 입 으 로 전 체 생 존 기 간 이 연장되었음에도 진행된 췌장암의 중앙 생존 기간은 여전히 1년 미만이다. 그러나 임상현장에서는 때때로 진행된 췌장암 환자 중 장기 생존자를 경험하게 되며, 이러한 사례를 분석하면 췌장암에 대한 이해를 높이고 치료 방침 개선에 중요한 실마리를 얻는데 도움이 될 것이다. 우리는 약 5년 동안 생존한 전이성 췌장암 환자를 경험하였고 이 환자의 첫 진단 당시와 진단 후 57개월에 얻은 조직의 단일세포 전사체 분석 결과 비교를 통해 췌장암 진행에 따른 종양 면역 미세환경 변화를 확인하였기에 보고한다.

이 연구에서는 경기교육종단연구 초등학교 4학년 패널의 7차년도, 9차년도 데이터를 사용하여 일반계 고등학생의 진로성숙도 잠재집단을 유형화하고, 각 잠재집단 간 전이 양상을 확인하며, 전이 양상에 영향 을 미치는 요인을 알아보고자 하였다. 연구 목적에 따라 잠재프로파일분석(Latent Profile Analysis: LPA) 을 실시하여 고등학교 1학년(7차년도), 3학년(9차년도) 시기 진로성숙도 잠재집단을 유형화하고, 잠재전 이분석(Latent Transition Analysis: LTA)을 통해 전이 패턴을 분석하였다. 추가로 로지스틱 회귀분석을 실시하여 전이패턴에 영향을 미치는 변인들을 분석하였다. 분석 결과 일반계 고등학생의 고1 시점(7차)에 서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로, 고3 시점(9차)에서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로 분류되었다. 두 시점의 잠재집단 간 전이확률 분 석 결과, 모든 잠재집단에서 절반가량의 학생들이 다른 잠재집단으로 전이하여 다양한 영향요인에 따른 진로성숙도 변화 가능성을 확인하였다. 집단 간 전이패턴은 전체 표본을 기준으로 􍾧중간 진로성숙􍾨 집단에 서 􍾧중간 진로성숙􍾨을 유지하는 경우가 31.1%로 가장 많았고, 다음으로 􍾧낮은 진로성숙􍾨 집단에서 􍾧낮은 진 로성숙􍾨을 유지하는 경우가 14.0% 순이었다. 전이 패턴을 􍾧상향􍾨, 􍾧유지􍾨, 􍾧하향􍾨으로 분석했을 때 유지 패턴 (57.5%)이 가장 많았았고 상향(22.5%) 패턴, 하향 패턴(20.0%) 순이었다. 학생의 개인적 특성, 진로활 동 도움 정도는 진로성숙도 잠재 집단 간 상향 및 하향 패턴에 영향을 미치는 것으로 나타났다. 이상의 연 구 결과를 토대로 일반계고 진로교육을 위한 결론 및 시사점을 제시하였다.

PURPOSES : This study aims to develop and validate timing transition techniques for real-time traffic signal operations, departing from conventional methods based on past commuting traffic patterns. METHODS : In this study, we propose two traffic signal transition techniques that can perform transitions while minimizing disruptions within a short period. The Proposed 1 technique involves an unconditional transition within one cycle and allows for the allocation of offset changes to both the coordinated and non-coordinated phases. The Proposed 2 technique performs transitions within 1-2 cycles based on the offset change rate and considers the non-coordinated phase for allocating offset changes. RESULTS : Functional improvements of the proposed techniques were validated. For validation, simulated traffic signal transition scenarios were created, and a comparative analysis of the transition techniques was performed based on the selected analysis approaches. The results showed that the Proposed 1 technique exhibited the lowest delay during the approximated saturated transitions, whereas the Subtract technique showed the lowest delay during the non-saturated transitions. CONCLUSIONS : These findings emphasize the importance of selecting and applying appropriate transition techniques tailored to individual traffic scenarios. The proposed transition techniques provide valuable insights for improving real-time traffic signal operations, and contribute to the overall efficiency and effectiveness of traffic management in highway corridors.

철도교량의 설계는 장기간에 걸쳐 수행되고 대규모의 부지를 대상으로 하기 때문에 다양한 환경적인 요인과 불확실성을 동반하게 된다. 이러한 연유로 초기 설계단계에서 충분히 검토하였더라도 설계변경이 종종 발생하고 있다. 특히 철도교량과 같은 대규모 시설 물의 설계변경은 많은 시간과 인력을 소모하며, 매번 모든 절차를 반복하는 것은 매우 비효율적이다. 본 연구에서는 딥러닝 알고리즘 중 전이학습을 통해 설계변경 전의 학습 결과를 활용하여 설계변경 후의 학습의 효율성을 향상시킬 수 있는 기법을 제안하였다. 분석 을 위해 기개발한 철도교량 딥러닝 기반 예측 시스템을 활용하여 시나리오들을 작성하고 데이터베이스를 구축하였다. 제안된 기법은 설계변경 전 기존 도메인에서 학습에 사용한 8,000개의 학습데이터 대비 새로운 도메인에서 1,000개의 데이터만을 학습하여 유사한 정확도를 나타내었고 보다 빠른 수렴속도를 가지는 것을 확인하였다.

Despite the consumption of disinfectants have been increased by COVID-19 pandemic, the fate of the chemicals in aquatic food webs are still unclear. In order to understand the trophic transfer of the chemicals, the concentration of disinfectants including six benzalkonium chloride (BACs) and five didecyldimethylammonium chlorides (DDACs) were measured at the Geum (2020), Han (2021), and Yeongsan River (2021), before and after rainfall. The highest concentration of ΣBACs (mainly C12 and C14) and ΣDDACs (mainly C10 and C14) were observed in the Han River, followed by Yeongsan River, Geum River Estuary, and Gapcheon. After rainfalls, both concentration and detection frequency were decreased in all sites. Although the BAC and DDAC seems to be accumulated in organisms, they were bio-diluted rather than magnified in the aquatic food web with the biomagnification factor (BMF) of less than 1, trophic magnification slope (TMS) from - 0.236 to 0.001, and trophic magnification factor (TMF) from 0.85 to 1.01.

본 연구의 목적은 딥러닝의 전이학습 모델을 이용하여 항공사진과 토지이용현황도 간의 비교를 통해 토지이용현황의 변화를 탐지하는 방안을 마련하는 데 있다. 이러한 목적을 위해 딥러닝의 이미지 예측모델과 라스터와 벡터 자료를 비교하는 공간분석 기능을 이용하였다. 학습모델 구축을 통해 토지이용현황도의 상업지, 농지, 임지 및 수계에 대한 예측결과를 이용하여 토지이용의 변화를 탐지하는 방안을 제시하였다. 이러한 분석 방안은 라스터 형태의 최신 정보와 벡터 형태의 기존 자료와의 비교를 통해서 자료의 변화를 확인하는 방안으로 활용이 가능하다.

Sarcoma is rare malignant tumors that develop from mesenchymal cells. Metastasis to the oral cavity is a rare occurrence. Undifferentiated Pleomorphic sarcoma(UPS), formerly known as Malignant fibrous histiocytoma(MFH), is rare spindle cell neoplasm that can have poorly prognosis with metastasis and local recurrence. This report describes a case of a 77-year-old man who was diagnosed with Undifferentiated Pleomorphic Sarcoma of the chest wall and underwent adjuvant radiation therapy after surgical resection. Although there was success of wide excision, two years later, he presented with metastasis to the several organs including tongue. We retrospectively analyzed results of Next Generation Sequencing(NGS), and we figured out RB1 gene mutation. Until now targeted therapy of RB1 gene mutation is not established. Surgeon needs to consider metastatic tumors through identifying patients’ chief complaints and past medical & dental history. We need to research through NGS, and take a step closer to find targeted therapy for tumors.

Transition metal carbides (TMCs) are used to process difficult-to-cut materials due to the trend of requiring superior wear and corrosion properties compared to those of cemented carbides used in the cutting industry. In this study, TMC (TiC, TaC, Mo2C, and NbC)-based cermets were consolidated by spark plasma sintering at 1,300 oC (60 oCmin) with a pressure of 60 MPa with Co addition. The sintering behavior of TMCs depended exponentially on the function of the sintering exponent. The Mo2C-6Co cermet was fully densified, with a relative density of 100.0 %. The Co-binder penetrated the hard phase (carbides) by dissolving and re-precipitating, which completely densified the material. The mechanical properties of the TMCs were determined according to their grain size and elastic modulus: TiC-6Co showed the highest hardness of 1,872.9 MPa, while NbC-6Co showed the highest fracture toughness of 10.6 MPa*m1/2. The strengthened grain boundaries due to high interfacial energy could cause a high elastic modules; therefore, TiC-6Co showed a value of 452 ± 12 GPa.

Recently, transfer learning techniques with a base convolutional neural network (CNN) model have widely gained acceptance in early detection and classification of crop diseases to increase agricultural productivity with reducing disease spread. The transfer learning techniques based classifiers generally achieve over 90% of classification accuracy for crop diseases using dataset of crop leaf images (e.g., PlantVillage dataset), but they have ability to classify only the pre-trained diseases. This paper provides with an evaluation scheme on selecting an effective base CNN model for crop disease transfer learning with regard to the accuracy of trained target crops as well as of untrained target crops. First, we present transfer learning models called CDC (crop disease classification) architecture including widely used base (pre-trained) CNN models. We evaluate each performance of seven base CNN models for four untrained crops. The results of performance evaluation show that the DenseNet201 is one of the best base CNN models.

선박 기관실은 기술의 발전으로 인해 자동화 시스템이 향상되었지만, 해상에서는 바람, 파도, 진동, 기기 노후화 등의 다양한 변수가 많아 자동화 시스템에서 계측되지 않는 풀림, 절단, 누유, 누수 등이 발생하므로 기관사는 주기적으로 순찰을 한다. 순찰 시에는 1명의 기관사만 순찰하는 경우도 있으며, 이는 고온고압 및 회전기기가 운전 중인 기관실에서 많은 위험요소를 가지고 있다. 기관사가 순찰 시에는 오감을 활용하며, 특히 시각에 의존한다. 본 논문에서는 로봇이 기관실을 순찰하며 기기의 특이사항을 검출하고 알려주는 기관실 순찰 로봇을 구현하기 위한 선행연구로서 선박 기관실 기기의 이미지를 합성곱 신경망을 이용하여 분류하였다. 선박 기관실의 이미지 데이터 셋을 구성한 후 사전 훈련된 합성곱 신경망 모델로 학습하였다. 학습한 모델의 분류 성능은 높은 재현율을 보였으며, 클래스 활성화 맵으로 이미지를 시각화 하였다. 데이터의 양이 제한적이어서 일반화할 수는 없지만, 각 선박의 데이터를 전이 학습으로 학습시키면 적은 시간과 비용으로 각 선박의 특성에 맞는 모델을 구축할 수 있을 것으로 사료된다.